Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
P-Index
This Author published in this journals
All Journal Jurnal Matematika dan Statistika serta Aplikasinya (Jurnal MSA) UNP Journal of Statistics and Data Science
Nur Aeni
Universitas Islam Negeri Alauddin Makassar
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Environmental Science Mathematics Medicine & Pharmacology Social Sciences

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
TRANSFORMASI LINIER PADA RUANG BANACH Yunus, Nur Aeni
Matematika dan Statistika serta Aplikasinya Vol 2, No 1 (2014)
Publisher : Jurusan Matematika FST-UIN Alauddi Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Suatu fungsi dari suatu ruang vektor ke dalam ruang vektor lain disebut trasnsformasi. Jadi transformasi linier merupakan fungsi linier antar ruang vektor. Tujuan penelitian ini adalah mengkaji transformasi linier pada Ruang Banach. Berdasarkan tujuan penelitian maka diperoleh Suatu transformasi T : V → W dari suatu ruang Banach (V, ‖. ‖𝑣 ) ke ruang Banach (W, ‖. ‖𝑤) dikatakan kontinu di x0, jika untuk setiap 𝜀 > 0 terdapat 𝛿 > 0 sehingga setiap x 𝜖 𝑉 dengan ‖𝑥 − 𝑥0‖𝑣 < 𝛿 berlaku ‖𝑇(𝑥)− 𝑇(𝑥0)‖𝑤 < 𝜀. Transformasi T dikatakan kontinu di setiap titik pada V. Misalkan X dan Y dua ruang banach dan T : X → Y suatu transformasi linier. Jika T kontinu di suatu titik pada X maka T kontinu pada X. Jika T : X → X, T kontinu di y 𝜖 X, jika dan hanya jika setiap (xn) konvergen ke y berakibat barisan (Txn) konvergen ke Ty. Jika V dan W ruang Banach dan T : V → W transformasi linier kontinu, norma dari T dinotasikan dengan ‖𝑇‖ didefinisikan sebagai ‖𝑇‖ = sup{‖𝑇𝑥‖𝑤 ∶ ‖𝑥‖𝑣 ≤ 1} dan Misalkan X dan Y dua ruang linier bernorma dan pemetaan T : X → Y adalah kontinu pada X jika dan hanya jika T terbatas.
DIAGONALISASI DUA MATRIKS HERMITE SECARA SIMULTAN Nurman, Try Azisah; Aeni, Nur; Dahsan, Sudarti
Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 7 No 1 (2019)
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (292.721 KB) | DOI: 10.24252/msa.v7i1.9880

Abstract

Matriks Kompleks merupakan matriks yang entri-entrinya bilangan kompleks. Matriks kompleks terdiri dari matriks hermite, matriks satuan (uniter) dan matriks normal. Tujuan dalam penelitian ini adalah untuk mendiagonalisasi dari dua matriks hermite secara simultan. Suatu matriks hermite  dan  terdiagonalisasi secara simultan jika . Langkah pertama mendiagonalisasi matriks hermite  adalah menentukan basis untuk masing-masing ruang eigen. Selanjutnya, menormalisasikan masing-masing basis bagi masing-masing ruang eigen, kemudian membentuk matriks  yang kolom-kolomnya adalah vektor-vektor basis. Untuk mendiagonalisasi matriks  dan  secara simultan menggunakan persamaan D1 = P*AP dan D2 = P*BP. Untuk matriks A dan B ordo 2 x 2 diperolehD1 dan D2. Untuk matriks A dan B ordo 3 x 3 diperoleh D1 dan D2.
KLASIFIKASI SPAM SMS MENGGUNAKAN NAÏVE BAYES CLASSIFIER DAN K-NEAREST NEIGHBOR Adnan Sauddin; Try Azisah Nurman; Nur Aeni; Sadem Rahayu Sudarta
Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 13 No 1 (2025): VOLUME 13 NO 1 TAHUN 2025
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v13i1.46192

Abstract

This research discusses the classification of the SMS Spam dataset. Indonesia is in 19th position for the most SMS spam in the world. Many fraudulent crimes that cause losses to users come from SMS spam. SMS spam classification can be done using machine learning methods, namely Naïve Bayes Classifier (NBC) and K-Nearest Neighbor (KNN) using term frequency word weighting. This research aims to determine the performance of SMS spam classification using the NBC algorithm and the KNN algorithm. This research shows that the classification accuracy using the Naïve Bayes Classifier method is greater, namely 98.3% compared to the K-Nearest Neighbor method with an accuracy of 95.1% with an accuracy ratio of 1.033, which shows that the Naïve Bayes Classifier method has better performance.
Penerapan Metode Structural Equation Modeling (SEM) untuk Analisis Kepuasan Petani Jagung Terhadap Petani Jagung NK Sumo (Studi Kasus Masing Kacamatan Lilirilau Kabupaten Soppeng) Nirwana; Nur Aeni; Adnan Sauddin
Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 13 No 1 (2025): VOLUME 13 NO 1 TAHUN 2025
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v13i1.45235

Abstract

ABSTRAK, Penelitian ini membahas tentang Salah satu masalah umum yang sering dihadapi oleh petani didalam bidang barang adalah masalah ketidakpuasan pengguna barang terhadap kualitas, harga, dan reputasi. Oleh karena itu, banyak petani memerlukan penelitian tentang kepuasan petani terhadap kualitas, harga, dan reputasi yang terdapat pada penggunaan bibit jagung NK Sumo. Salah satu wilayah pertanian yang ada di Kabupaten Soppeng Kecamatan Lilirilau yaitu di Desa Masing. Permasalahan pada penelitian ini yaitu untuk mengetahui indeks kepuasann petani jagung NK Sumo. Jumlah responden dalam penelitian ini yaitu 145 Kepala Keluarga yang bekerja sebagai petani di Desa Masing dimulai dari 1 Juni-15 Juli 2021. Teknik pengumpulan data menggunakan kuesioner Skala Likert yang terdiri dari 3 variabel laten eksogen dan 1 variabel laten endogen dengan total 12 indikator. Metode yang digunakan adalah analisis data menggunakan pendekatan Structural Equation Modeling (SEM) dengan bantuan program R Studio. Kecocokan goodness of fit indices dilihat. Jadi hasil peneletian ini yaitu variabel kualitas dengan nilai perhitungan indeks sebesar 57,8 % menunjukan petani cukup puas dan perlu ditingkatkan lagi. Sedangkan variabel harga dengan nilai perhitungan indeks sebesar 53% menunjukkan petani cukup puas dan perlu ditingkatkan lagi. Sedangkan variabel reputasi dengan nilai perhitungan indeks sebesar 72.8% menunjukkan petani puas.
Autoregressive Distributed Lag (ARDL) Method for Estimating Poverty Levels in Polewali Mandar Regency Abeng, Andi Tenri; Alwi, Wahidah; Sauddin, Adnan; Anugrawati, Sri Dewi; Aeni, Nur
Jurnal MSA (Matematika dan Statistika serta Aplikasinya) Vol 13 No 2 (2025): VOLUME 13 NO 2, 2025
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v13i2.60197

Abstract

Polewali Mandar Regency is the region with the highest poverty rate in West Sulawesi. According to a publication by the Central Bureau of Statistics in March 2022, the percentage of the poor population was 11.75%, an increase compared to March 2021. The forecasting method used in this study is the Autoregressive Distributed Lag (ARDL) method. This study aims to determine the Autoregressive Distributed Lag (ARDL) model, which is then used to forecast the number of poor people in Polewali Mandar Regency. The results of the study using the ARDL method yielded the best estimation model, namely ARDL (3, 3, 2, 2). The forecast results for the percentage of the poor population using the ARDL (3, 3, 2, 2) model for the following semesters are 21.79%, 10.15%, and 16.52%, respectively. The forecasting accuracy test using the Mean Absolute Percentage Error (MAPE) yielded a value of 12.18%, indicating that the ARDL model produced in this study is suitable for forecasting the percentage of the poor population in Polewali Mandar Regency.
Modeling Tail Risk of Employment Injury Claims using the Extreme Value Theory Framework Sri Dewi Anugrawati; Nurwahidah; Nur Aeni; Risnawati Ibnas
UNP Journal of Statistics and Data Science Vol. 4 No. 3 (2026): UNP Journal of Statistics and Data Science
Publisher : Departemen Statistika Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/ujsds/vol4-iss3/480

Abstract

This study investigates the implementation of Extreme Value Theory (EVT) in modeling tail risk associated with employment injury insurance claims, addressing the critical need for robust risk estimation in the presence of rare, high-severity losses. The dataset consists of 1,177 historical claims from BPJS Ketenagakerjaan Makassar recorded between 2016 and 2023. Preliminary diagnostic procedures, including hill plots and mean excess function analysis, reveal heavy-tailed behaviour with a tail index greater than one, implying the possibility of infinite variance—a characteristic often underestimated by traditional actuarial models. Due to the limited number of extreme exceedances, the block maxima framework was adopted, and a Generalized Extreme Value (GEV) distribution was fitted to weekly maxima using L-moment estimation to ensure parameter convergence. The resulting GEV parameters (location = 50.27, scale = 67.19, shape = 0.443) confirm a Fréchet-type distribution, consistent with a heavy-tailed risk profile. Comparative analysis shows that the GEV-based 99.5% VaR (1,484.09 million IDR) is more than three times higher than the empirical estimate (450.56 million IDR). Return level analysis further contextualized the estimates, indicating a one-year return level of 768.51 million IDR. These findings demonstrate that empirical methods substantially underestimate extreme loss potential, potentially threatening insurer solvency. Overall, this study provides a statistically rigorous framework for capital reserve and reinsurance optimization, offering a more conservative and theoretically justified approach to managing catastrophic occupational risks.
Co-Authors Abeng, Andi Tenri Adnan Sauddin Anugrawati, Sri Dewi Dahsan, Sudarti Nirwana Nurwahidah Risnawati Ibnas Sadem Rahayu Sudarta Try Azisah Nurman Wahidah Alwi